다중 자유도 로봇 조작기를 위한 통합 하이브리드 제어 아키텍처

초록

본 논문은 모델 예측 제어(MPC)와 피드백 제어를 결합한 하이브리드 제어 구조를 제안하고, 이를 머신러닝 기반 토크 에뮬레이터로 구현함으로써 다중 자유도 로봇 조작기의 비선형·고차원 동역학을 실시간으로 제어한다. 안정성 이론을 통해 지역적 점근 안정성을 증명하고, 시뮬레이션·하드웨어 실험에서 외란에 대한 강인성과 계산 효율성을 검증하였다.

상세 분석

이 연구는 다중 자유도(DoF) 로봇 조작기의 복합적인 비선형·고차원·강결합 동역학을 효과적으로 다루기 위해 두 가지 핵심 아이디어를 결합한다. 첫 번째는 전통적인 피드백 제어와 모델 예측 제어(MPC)를 통합한 하이브리드 구조이다. 피드백 매핑 ϕ(E) 를 통해 위치·속도·가속도·적분오차·외란추정 등 다양한 오류 특성을 실시간으로 추출하고, 선택 가중치 w_sel 로 초기 토크 후보를 생성한다. 이 후보는 시간 가중치 행렬 W_pre 과 결합되어 예측 호라이즌 T_N 동안의 토크 시퀀스를 형성하고, RNEFDA(Recursive Newton‑Euler Forward Dynamics Algorithm)를 이용해 시스템 상태를 전진 시뮬레이션한다. 최적화 문제(식 16)는 오류와 토크 사용량을 동시에 최소화하도록 설계되어, 제약 조건 하에서 전역적인 성능 향상을 도모한다. 두 번째 핵심은 온라인 최적화의 계산 부하를 제거하기 위한 머신러닝 기반 토크 에뮬레이터이다. 오프라인에서 다양한 작업 공간과 외란 조건을 샘플링하고, 적응형 샘플링 전략을 적용해 데이터 품질을 극대화한다. 수집된 입력‑출력 쌍을 이용해 심층 신경망을 학습시켜, 실시간에서는 학습된 모델이 MPC의 최적 토크 시퀀스를 근사한다. 이 접근법은 학습 효율성, 일반화 능력, 그리고 실시간 실행 가능성을 동시에 만족한다. 논문은 또한 라플라스(Lyapunov) 기반 안정성 분석을 수행해, 피드백·MPC·ML 에뮬레이터가 결합된 폐루프 시스템이 지역적으로 점근 안정함을 충분조건으로 제시한다. 실험 결과는 시뮬레이션과 실제 6‑DoF 조작기에서 외란(예: 갑작스러운 무게 추가)에도 기존 PID, ADRC, 비선형 MPC 등에 비해 추적 오차가 현저히 감소하고, 계산 시간은 수십 배 가량 단축됨을 보여준다. 전체적으로 이 논문은 고차원 로봇 시스템에 적용 가능한 실용적인 제어 프레임워크를 제시하면서, 모델 기반 최적 제어와 데이터 기반 근사 사이의 균형을 성공적으로 맞춘 점이 가장 큰 공헌이라 할 수 있다.